OpenCV Tutorial: 影像平滑(blur、GaussianBlur)

影像平滑(blur、GaussianBlur)

有時我們收到的影像雜訊過多，這時需要進行平滑化去除雜訊，不過為了去除雜訊，可能造成影像對比度下降，好的品質可能需要大量的處理時間，所以通常根據實際需求，選擇一個適合的手法，常見的有四種平滑方式，分別是平均平滑、高斯平滑、中值濾波、雙邊濾波，OpenCV對於這四種平滑方式皆有支援，只要呼叫即可使用。

由濾波方式可分兩種，線性濾波和非線性濾波：

• 線性濾波：有一個有固定參數的核心，常見的有平均平滑和高斯平滑。
• 非線性濾波：沒有一個有固定參數的核心，常見的有中值濾波和雙邊濾波。

這邊我們介紹平均平滑和高斯平滑。

---

平均平滑正如名稱所說，將每個像素替換為相鄰矩形內像素的平均值，以3×3大小的核心來說，每個像素權重佔1/9，用這些像素的加總，替換當前的像素值，接著用卷積對整張影像作處理，由於採用平均濾波，所以影像變模糊的現象很明顯，且核心越大模糊的後遺症越明顯，以下為3×3平均模板：

OpenCV平均平滑

void blur(const Mat &src, Mat &dst, Size ksize)

• src：輸入可以為多通道圖，會單獨處理各通道，但是通常使用單通道灰階圖，例如CV_8U或CV_16U。
• dst：輸出圖會和輸入圖尺寸、型態相同。
• ksize：模板大小，可分別指定長和寬。

---

平均平滑對鄰域內的像素一視同仁，所以有明顯模糊的副作用，高斯平滑改變核心的參數，將靠近中心的像素權重加大，來讓處理後的模糊現象減小，高斯模板核心參數是由高斯函數計算得來，用核心內各像素結果相加替換當前的像素值，接著用卷積對整張影像作處理。

實際使用時，如果標準差σ如果過小，偏離中心的像素權重會非常小，結果像沒有任何處理，標準差σ如果過大，高斯模板將退化成平均模板。實際當模板3×3時，σ為0.8左右，對於更大的模板可以適當的增加σ的值，以下分別為高斯函數和常用的3×3高斯模板。

高斯函數

高斯模板：

OpenCV高斯平滑

void GaussianBlur(const Mat &src, Mat &dst, Size ksize, double sigmaX, double sigmaY)

• src：輸入可以為多通道圖，會單獨處理各通道，但是通常使用單通道灰階圖，例如CV_8U或CV_16U。
• dst：輸出圖會和輸入圖尺寸、型態相同。
• ksize：模板大小，長寬可以不同，但是都必須為正的奇數。
• sigmaX：x方向的標準差。
• sigmaY：y方向的標準差。

使用GaussianBlur()函式時，如果我們令濾波器的核心尺寸為0，這時我們輸入σ值，OpenCV會自動設置合適的係數和尺寸，也可以提供核心尺寸，而令σ為0，當然也可以同時選擇尺寸和σ，讓我們能更彈性的進行高斯濾波。

---

這邊使用有雜訊的lena圖，來看平均平滑和高斯平滑3×3或5×5的模板，平滑之後的效果，模板越大平滑的效果越明顯，而高斯平滑由於有考慮權重的關係，所以不像平均平滑那麼模糊，以下為程式碼：

#include <cstdio>#include <opencv2/opencv.hpp>using namespace cv;int main(){    Mat src = imread("lena_noise.jpg",CV_LOAD_IMAGE_GRAYSCALE);    Mat aveBlur1;    Mat aveBlur2;    Mat GaussianBlur1;    Mat GaussianBlur2;    blur(src, aveBlur1, Size(3,3));    blur(src, aveBlur2, Size(5,5));    GaussianBlur(src, GaussianBlur1, Size(3,3) ,0 ,0);    GaussianBlur(src, GaussianBlur2, Size(5,5) ,0 ,0);    imshow("origin", src);    imshow("aveBlur_3", aveBlur1);    imshow("aveBlur_5", aveBlur2);    imshow("gaussianBlur_3", GaussianBlur1);    imshow("gaussianBlur_5", GaussianBlur2);    waitKey(0);    return 0;}

---